ZUFAR, KHALIL (2024) Komparasi Algoritma Menggunakan Random Forest dan Support Vector Machine Pada Dataset Kematian Akibat Gagal Jantung. S1 thesis, Universitas Mercu Buana - Buncit.
|
Text (COVER)
41820010074 - Khalil Zufar - 02 Cover.pdf Download (371kB) | Preview |
|
|
Text (ABSTRAK)
41820010074 - Khalil Zufar - 03 Abstrak.pdf Download (29kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB 1)
41820010074 - Khalil Zufar - 04 BAB 1.pdf Restricted to Registered users only Download (87kB) |
|
|
Text (BAB 2)
41820010074 - Khalil Zufar - 05 BAB 2.pdf Restricted to Registered users only Download (246kB) |
|
|
Text (BAB 3)
41820010074 - Khalil Zufar - 06 BAB 3.pdf Restricted to Registered users only Download (122kB) |
|
|
Text (BAB 4)
41820010074 - Khalil Zufar - 07 BAB 4.pdf Restricted to Registered users only Download (593kB) |
|
|
Text (BAB 5)
41820010074 - Khalil Zufar - 08 BAB 5.pdf Restricted to Registered users only Download (72kB) |
|
|
Text (DAFTAR PUSTAKA)
41820010074 - Khalil Zufar - 09 Daftar Pustaka.pdf Restricted to Registered users only Download (94kB) |
|
|
Text (LAMPIRAN)
41820010074 - Khalil Zufar - 10 Lampiran.pdf Restricted to Registered users only Download (187kB) |
Abstract
Gagal jantung merupakan salah satu penyebab utama kematian dunia, dengan 17,9 juta kematian akibat penyakit kardiovaskular tercatat pada tahun 2019. Penelitian ini bertujuan untuk membandingkan keakuratan prediksi kematian akibat gagal jantung antara dua algoritma machine learning, yaitu Random Forest dan Support Vector Machine (SVM). Penelitian ini diharapkan dapat memberikan kontribusi yang dapat membantu para profesional medis dalam pengambilan keputusan yang lebih baik di dunia medis. Penelitian ini menggunakan dataset yang berasal dari platform Kaggle, yang berisi data tentang pasien dengan risiko gagal jantung, dan data tersebut diolah melalui beberapa tahap seperti pre-processing diantaranya, data cleaning, data scaling dan pengurangan data. Algoritma Random Forest dan SVM diterapkan pada data yang diolah dan kinerjanya dievaluasi menggunakan Confusion Matrix untuk mengukur akurasi, presisi, recall dan F1 Score. Hasil penelitian menunjukan bahwa algoritma Random Forest memiliki tingkat akurasi yang lebih tinggi daripada SVM.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41820010074 |
| Uncontrolled Keywords: | Gagal jantung, Machine Learning, Prediksi Kematian |
| Subjects: | 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma 700 Arts/Seni, Seni Rupa, Kesenian > 710 Civic and Lanscape Art/Seni Perkotaan dan Pertamanan > 711 Area Planning/Perencanaan Wilayah Perkotaan dan Pertamanan > 711.5 Plans for Specific Kinds of Areas/Perencanaan untuk Jenis Area Tertentu > 711.55 Functional Areas/Daerah Fungsional > 711.555 Medical Centers/Perencanaan Daerah Fungsional Pusat Kesehatan |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Nasruddin Mansyur S.Hum |
| Date Deposited: | 12 Sep 2024 08:47 |
| Last Modified: | 12 Sep 2024 08:47 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/91353 |
Actions (login required)
 |
View Item |
